摘要：压扁型微热管在散热领域应用广泛,微热管传统设计方法依赖人工经验及多次重复实验以确定其几何结构及制造工艺参数,耗时费力.本文提出一种基于copula熵(copula entropy,CE)和一维卷积残差网络的微热管几何结构及制造工艺参数预测方法.通过功率测试设备收集微热管样品的传热性能数据,构建性能数据集;利用copula熵表征微热管结构设计需求参数及最大传热功率间关联程度,通过特征筛选获得微热管设计需求关键参数;通过训练一维卷积残差网络建立微热管设计需求关键参数与其几何结构及制造工艺参数映射关系.将该模型与传统人工神经网络进行对比,以微热管设计需求关键参数为输入且具有残差结构的一维卷积网络模型精度更高,在测试集上误差仅为0.66%.最后,根据实际微热管设计需求,对所提出方法进行验证,结果表明该方法能较好实现微热管几何结构及制造工艺参数预测.

摘要：针对具有不确定性的自动驾驶电动车辆的运动控制问题,提出了一种基于参数预测的径向基函数(RBF)神经网络自适应协调控制方案。首先,考虑系统参数的不确定性及外部干扰的影响,利用预瞄方法建立可表征车辆循迹跟车行为的动力学模型;其次,采用RBF神经网络补偿器对系统不确定性进行自适应补偿,设计车辆横纵向运动的广义协调控制律;之后,考虑前车车速及道路曲率影响,以车辆在循迹跟车控制过程中的能耗及平均冲击度最小为优化目标,利用粒子群优化(PSO)算法对协调控制律中的增益参数K进行滚动优化,并最终得到一系列优化后的样本数据;在此基础上,设计、训练一个反向传播(BP)神经网络,实现对广义协调控制律中增益参数K的实时预测,以保证车辆的经济性及乘坐舒适性。仿真结果证实了所提控制方案的有效性。

摘要：在采用模糊控制实现多机功率平衡方法的基础上, 提出了采用电机电流预测的方法来提高控制响应速度, 并给出了参数预测和模糊控制的具体算法, 以及用单片机实现控制的硬件设计技术线路. 对比试验表明, 采用参数预测与模糊控制相结合的控制策略, 能使双电机驱动系统达到功率平衡在5%范围内, 并且响应速度得到提高.

摘要：目的实现六分束激光在Ni60/WC涂层表面烧蚀目标织构激光加工工艺参数的精确选择。方法基于CCD响应面法,设计在不同的激光工艺参数下对Ni60/WC涂层表面进行织构烧蚀试验,以激光频率、扫描次数、扫描速度为影响因素,以圆凹坑织构直径、深度及由其直径和深度综合加权所得的综合目标为响应目标,建立目标织构所需激光工艺参数的预测模型,以织构直径、深度及综合目标作为优化条件,对预测模型进行实验验证。结果扫描次数对织构直径的影响最显著,单个脉冲光斑上所聚集的能量大小是影响织构直径误差的关键因素。对织构深度影响最显著为扫描次数和频率,织构深度与扫描次数、频率呈正相关,不同因素间的交互作用是影响织构加工结果的关键。通过对预测模型所优选的参数进行实验验证发现,以织构直径和深度、综合目标建立的预测模型优选工艺参数所加工圆凹坑织构的质量评价指标与其预测指标的误差率分别为19.37%、3.57%。功率为6 W时,六分束激光加工最优工艺参数为速度5500 mm/s、频率400 kHz、扫描2次。结论通过综合目标建立的Ni60/WC涂层表面圆凹坑织构六分束激光加工参数优选预测模型精确程度较高,能够实现Ni60/WC涂层表面加工所需织构激光参数的准确预测,为涂层表面织构加工激光参数精确选择提供了理论依据。

摘要：针对酚醛树脂气凝胶复合材料(IPC)碳化过程热物性参数动态变化和难以准确测量的问题,基于试验测量信息,通过求解瞬态非线性热传导反问题,提出了一种预测IPC碳化过程热物性参数的新方法。采用改进的梯度算法对瞬态非线性热传导反问题进行求解,预测随温度变化的热物性参数。引入复变量求导法准确计算灵敏度矩阵,提高预测精度。结果表明,与传统的梯度算法相比,该算法在求解瞬态非线性热传导反问题时具有很好的稳定性、精度和效率,计算时间由75 s降至35 s。测点温度计算值和试验测量值的平均相对误差为3.279%,采用该算法预测IPC碳化过程等效导热系数精度高。该工作为获取热防护材料的高温热物性参数提供了一种有效方法,为碳化型热防护材料的工程设计提供了关键参数。

摘要：循环流化床广泛应用于矸石、污泥等低品位燃料转化,近年来随着其用途和需求变化,进行了广泛的适应性改造,准确模拟和预测流化床炉内燃烧状况可为此提供基础支撑。针对当前流化床模型复杂,难以兼顾多参数精准预测问题,构建了基于热力学和动力学的流化床模型,计算了燃料变化对需氧量的影响以及空隙率和温度随床层高度的变化。通过构建热力学模型,预测了碳含量为74.05%、17.71%、24.27%、34.01%的4种煤矸石,理论需氧量分别为15.17、4.00、4.47、6.20 kg/h。计算结果关联了燃料类型与理论需氧量,可辅助风机功率、风量等参数设计;通过串联10个RCSTR动力学模块嵌入动力学模型,实现不同床层的空隙率、温度、气体分布等关键参数计算,单点参数误差低于15%。多过程模型融合方法的建立可实现不同类型静态指标分类预测,为燃料变换时调控流化床进风量、一二次风风口位置等参数提供理论依据和设计参考。

摘要：针对服装制版过程中人体尺寸采取、人体非控制部位尺寸确定等难题,利用人体灰色建模和隶属函数的方法,通过小样本人体测量尺寸来预测人体参数,得到了准确的非控制部位尺寸,节省了测量时间,使服装更合体,提高了企业单位的工作效率和产品质量.

摘要：在导弹设计研发的初始阶段,需要精确获取导弹不同气动外形对应的气动参数。然而,获取导弹气动参数的传统方法存在价格昂贵、过程耗时等缺陷。为此,本文进行了基于神经网络的导弹气动参数预测研究,构建了利用思维进化算法优化的BP神经网络模型。建模结果表明,利用该方法进行导弹气动参数的预测是可行且有效的,在样本所确定的参数范围内,对导弹的气动参数拟合能力较强,具有较好的泛化能力。

摘要：为提高采煤机主体参数设计的效率和综采三机的协同配合效率,面向采煤机技术参数设计过程以及综采三机之间协同配合过程,借鉴生态学基本概念进行采煤机技术参数设计,提出采煤机生物学模型。研究了采煤机相关技术参数,确定参数之间的潜在关联以及采煤机与液压支架、刮板输送机之间的协同配合关系,并基于极限学习机建立采煤机技术参数预测模型。经试验表明该模型精度保持在95%以上,符合应用要求。利用预测模型实现采煤机技术参数及输送机和液压支架配套参数求解,提高了设计效率和设计质量。

摘要：为解决传统统计学方法和机器学习法无法实现船舶变频海水冷却系统预期状态参数预测的问题,提出一种基于双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU)的时序预测模型,采用数据归一化法处理高跨度数量级的特征数据,并结合敏感性分析法实现隐含层神经元的参数调优。以MATLAB Simulink仿真平台生成的变频海水冷却系统参数数据集作为特征样本数据进行训练,采用均方误差(Mean-Square Error,MSE)、校正决定系数(Adjusted Coefficient of Determination,Adjusted R;)评价指标评估模型预测性能,并建立循环神经网络(Recurrent Neural Network,RNN)和单向门控循环单元(Gated Recurrent Unit,GRU)模型进行对比,分析不同时序数据预测算法模型的鲁棒性。结果表明:基于参数调优的BiGRU模型对比RNN模型,MSE值至少降低73.13%,Adjusted R^(2)值至少提高6.44%;对比GRU模型,MSE值至少降低67.86%,Adjusted R;值至少提高3.35%。BiGRU模型相比GRU与RNN模型可更为准确地预测系统预期状态参数,拥有优良的预测精度与稳定性,可为船舶安全评估体系提供准确的数据支撑,对船舶变频海水冷却系统参数预测具有参考价值。